Analisi prescrittiva
Che cos’è l’analisi prescrittiva?
L’analisi prescrittiva è un tipo di analisi dei dati: l’uso della tecnologia per aiutare le aziende a prendere decisioni migliori attraverso l’analisi dei dati grezzi. In particolare, l’analitica prescrittiva tiene in considerazione le informazioni su possibili situazioni o scenari, risorse disponibili, prestazioni passate e prestazioni attuali e suggerisce una linea di condotta o una strategia. Può essere utilizzato per prendere decisioni su qualsiasi orizzonte temporale, dall’immediato al lungo termine.
L’opposto dell’analisi prescrittiva è l’analisi descrittiva, che esamina decisioni e risultati dopo il fatto.
Come funziona l’analisi prescrittiva
L’analisi prescrittiva si basa su tecniche di intelligenza artificiale, come l’apprendimento automatico, la capacità di un programma per computer, senza ulteriori input umani, di comprendere e avanzare dai dati acquisiti, adattandosi nel frattempo. L’apprendimento automatico consente di elaborare un’enorme quantità di dati oggi disponibili. Non appena sono disponibili dati nuovi o aggiuntivi, i programmi per computer si adattano automaticamente per utilizzarli, in un processo che è molto più veloce e completo di quanto le capacità umane potrebbero gestire.
Numerosi tipi di aziende ad alta intensità di dati e agenzie governative possono trarre vantaggio dall’utilizzo di analisi prescrittive, comprese quelle nei settori dei servizi finanziari e dell’assistenza sanitaria, dove il costo dell’errore umano è elevato.
L’analisi prescrittiva funziona con un altro tipo di analisi dei dati, l’analisi predittiva, che prevede l’uso di statistiche e modelli per determinare le prestazioni future, sulla base di dati attuali e storici. Tuttavia, va oltre: utilizzando la stima dell’analisi predittiva di ciò che è probabile che accada, suggerisce quale corso futuro prendere.
I pro ei contro dell’analisi prescrittiva
L’analisi prescrittiva può eliminare il disordine dell’incertezza immediata e delle condizioni mutevoli. Può aiutare a prevenire le frodi, limitare i rischi, aumentare l’efficienza, raggiungere gli obiettivi aziendali e creare clienti più fedeli.
L’analisi prescrittiva, tuttavia, non è infallibile. È efficace solo se le organizzazioni sanno quali domande porre e come reagire alle risposte. Se le ipotesi di input non sono valide, i risultati di output non saranno accurati.
Se utilizzata in modo efficace, tuttavia, l’analisi prescrittiva può aiutare le organizzazioni a prendere decisioni basate su fatti altamente analizzati piuttosto che saltare a conclusioni poco informate basate sull’istinto. L’analisi prescrittiva può simulare la probabilità di vari risultati e mostrare la probabilità di ciascuno, aiutando le organizzazioni a comprendere meglio il livello di rischio e incertezza che devono affrontare rispetto a quanto potrebbero fare affidamento sulle medie. Le organizzazioni possono acquisire una migliore comprensione della probabilità di scenari peggiori e pianificare di conseguenza.
Punti chiave
- L’analisi prescrittiva fa uso dell’apprendimento automatico per aiutare le aziende a decidere una linea d’azione sulla base delle previsioni di un programma per computer.
- L’analisi prescrittiva funziona con l’analisi predittiva, che utilizza i dati per determinare i risultati a breve termine.
- Se utilizzata in modo efficace, l’analisi prescrittiva può aiutare le organizzazioni a prendere decisioni basate su fatti e proiezioni ponderate in base alle probabilità, piuttosto che saltare a conclusioni poco informate basate sull’istinto.
Esempi di analisi prescrittiva
Numerosi tipi di aziende ad alta intensità di dati e agenzie governative possono trarre vantaggio dall’utilizzo di analisi prescrittive, comprese quelle nei settori dei servizi finanziari e dell’assistenza sanitaria, dove il costo dell’errore umano è elevato.
L’analisi prescrittiva potrebbe essere utilizzata per valutare se i vigili del fuoco locali debbano richiedere ai residenti di evacuare una particolare area quando un incendio sta bruciando nelle vicinanze. Potrebbe anche essere utilizzato per prevedere se un articolo su un particolare argomento sarà popolare tra i lettori in base ai dati sulle ricerche e sulle condivisioni sui social per argomenti correlati. Un altro utilizzo potrebbe essere quello di adattare un programma di formazione dei lavoratori in tempo reale in base a come il lavoratore sta rispondendo a ciascuna lezione.
Analisi prescrittiva per ospedali e cliniche
Allo stesso modo, le analisi prescrittive possono essere utilizzate da ospedali e cliniche per migliorare i risultati per i pazienti. Mette i dati sanitari nel contesto per valutare il rapporto costo-efficacia di varie procedure e trattamenti e per valutare i metodi clinici ufficiali. Può anche essere utilizzato per analizzare quali pazienti ospedalieri hanno il più alto rischio di riammissione in modo che gli operatori sanitari possano fare di più, attraverso l’educazione del paziente e il follow-up del medico per evitare ritorni costanti all’ospedale o al pronto soccorso.
Analisi prescrittiva per le compagnie aeree
Supponi di essere l’ amministratore delegato di una compagnia aerea e di voler massimizzare i profitti della tua azienda. L’analisi prescrittiva può aiutarti a farlo regolando automaticamente i prezzi e la disponibilità dei biglietti in base a numerosi fattori, tra cui la domanda dei clienti, le condizioni meteorologiche e i prezzi della benzina. Quando l’algoritmo rileva che le vendite di biglietti pre-natalizie di quest’anno da Los Angeles a New York sono in ritardo rispetto all’anno scorso, ad esempio, può abbassare automaticamente i prezzi, assicurandosi nel contempo di non abbassarli troppo alla luce dei prezzi del petrolio più alti di quest’anno.
Allo stesso tempo, quando l’algoritmo valuta la domanda più alta del solito di biglietti da St. Louis a Chicago a causa delle condizioni stradali ghiacciate, può aumentare automaticamente i prezzi dei biglietti. L’amministratore delegato non deve fissare un computer tutto il giorno a guardare cosa sta succedendo con la vendita dei biglietti e le condizioni di mercato e quindi istruire i lavoratori ad accedere al sistema e modificare i prezzi manualmente; un programma per computer può fare tutto questo e altro, e anche a un ritmo più veloce.